Arquivo da Categoria: Ciência

A mitologia da IA consciente

Publicado a por
Responder

Em 2022, um engenheiro da Google afirmou que o chatbot em que trabalhava tinha sentimentos. A empresa dispensou-o por violação das regras de confidencialidade e o assunto pareceu arrumado. Não estava. O neurocientista Anil Seth, da Universidade de Sussex, venceu o Prémio de Ensaio Berggruen de 2025 com um texto que põe em causa a ideia de que basta uma máquina tornar-se suficientemente esperta para acordar por dentro. Fica aqui o que retive da leitura, com as dúvidas que ela deixa.

Um sonho antigo, quase sempre com mau final

Seth começa pela cultura popular, e faz bem. O golem de Praga, o monstro de Mary Shelley, o HAL 9000, a Ava de Ex Machina, a Klara de Klara e o Sol: são séculos de histórias em que alguém cria uma mente artificial que não só pensa como sente, e em que raramente acaba bem para os humanos envolvidos. Cada vaga tecnológica reinventa o sonho. Veio a engenharia genética e falou-se em clones; vieram os robôs e falou-se em andróides. Agora é a inteligência artificial.

O episódio de 2022 tem pouco de folclore. Blake Lemoine, o engenheiro em causa, disse ao Washington Post que o LaMDA era consciente e se parecia com uma pessoa. Seth lembra que despedir alguém por quebrar a confidencialidade não é o mesmo que provar que estava enganado. Entretanto, a pergunta ganhou pesos-pesados. Segundo o autor, David Chalmers admite que máquinas conscientes possam ser possíveis num futuro não muito distante, e Geoffrey Hinton, prémio Nobel, acha que já existem. No final de 2024, um grupo de investigadores publicou um relatório a pedir que o bem-estar dos sistemas de IA seja levado a sério (Long et al., 2024). Convém dizer que esse relatório não afirma que estes sistemas sejam ou venham a ser conscientes. Defende que há incerteza suficiente para que não se ignore a questão.

Porque é que isto importa? Seth dá três razões. Se uma IA fosse mesmo consciente, teria estatuto moral, capacidade de sofrer e, porventura, direitos. Depois, e independentemente da realidade, aquilo em que acreditamos já produz efeitos: se sentirmos que os nossos companheiros artificiais sentem, as nossas fragilidades psicológicas podem ser exploradas e as nossas prioridades éticas distorcidas. E há uma razão mais discreta e, para mim, a mais interessante. Se nos confundimos depressa de mais com as máquinas que criámos, sobrestimamo-las e, de caminho, subestimamo-nos.

Inteligente não quer dizer consciente

O primeiro passo do ensaio é separar duas coisas que costumamos tratar como uma só. A inteligência tem que ver com fazer: resolver um problema, montar uma estante, atravessar uma conversa difícil em família. A consciência tem que ver com ser. Seth recupera a formulação de Thomas Nagel, de 1974, segundo a qual um organismo é consciente se existe algo que é ser esse organismo (Nagel, 1974). Ser consciente é a diferença entre a vigília e o vazio da anestesia geral, é o azul do céu num dia limpo, o amargo do primeiro café da manhã. Que os sistemas de IA fazem coisas, não há grande dúvida. Se existe alguma coisa que é ser o ChatGPT, isso já é bem mais difícil de dizer.

Porque insistimos, então, em juntar as duas? O autor aponta três vieses de fábrica. O antropocentrismo, que leva a tomar o exemplo humano como definição. O excecionalismo humano, o nosso vício de pôr a espécie no topo de todas as pilhas. E o antropomorfismo, a tendência para projetar qualidades humanas em coisas não humanas por semelhanças que podem ser superficiais. A linguagem é o gatilho mais potente, justamente porque é a pedra de toque do excecionalismo. Ninguém, que Seth saiba, afirmou até hoje que o AlphaFold é consciente, embora por dentro se pareça bastante com um modelo de linguagem; só que prevê estruturas de proteínas em vez de palavras e não nos mexe nos mesmos fios.

Há um pormenor de vocabulário que me pareceu excelente. Dizemos que os modelos de linguagem «alucinam» quando debitam falsidades, mas alucinar, nos humanos, é uma experiência consciente que perdeu o contacto com a realidade. Ao usar o verbo, damos-lhes de contrabando uma capacidade de experiência. Seth propõe «confabular», que em pessoas significa inventar sem dar por isso e tem mais que ver com fazer do que com sentir. Parece coisa pequena, mas é um bom exemplo de como as palavras que escolhemos empurram o pensamento.

O autor junta a isto o efeito da curva exponencial, em que quem está em cima dela sente sempre estar no ponto de viragem, e a tentação do arrebatamento tecnológico: ser um dos arquitetos de uma transição histórica, trazer à humanidade o que era terreno do divino, escapar ao corpo e viver para sempre numa nuvem de silício. Não resiste a uma farpa: talvez não seja acaso que os anúncios de consciência iminente sejam mais comuns entre quem trabalha na indústria, onde um toque de magia ajuda as ações a subir. Adam Becker, no livro More Everything Forever, chama pareidolia a esta projeção, a mesma que nos faz ver uma cara numa torrada ou Madre Teresa num pão-de-canela. Seth acha a imagem justa, mas insuficiente. Percebermos o que nos engana é só o começo.

A hipótese que raramente se questiona

A ideia de IA consciente assenta num pressuposto que os filósofos chamam funcionalismo computacional: se um sistema executar o tipo certo de computação, a consciência surge. Seth diz que este pressuposto está tão entranhado que quase não o reconhecemos como pressuposto. Se estiver errado, a consciência artificial fica fora de cogitação, pelo menos para o tipo de IA que conhecemos. E o autor arma quatro argumentos, que aguentam sozinhos mas se reforçam em conjunto.

O cérebro não é um computador

A metáfora do cérebro como computador de carbono foi enormemente produtiva e está na origem da maior parte da IA atual. Assenta em duas heranças. De um lado, Alan Turing e a sua definição de computação, com a máquina universal capaz de simular qualquer algoritmo, o que separa limpamente o programa (software) do material em que corre (hardware). Do outro, McCulloch e Pitts, que mostraram como redes de neurónios muito simplificados fazem operações lógicas, e de onde descendem as redes neuronais artificiais de hoje. O casamento é elegante: podemos ignorar a confusão biológica e tratar o cérebro como uma rede de somadores.

O problema, diz Seth, é que dentro de um cérebro não há fronteira nítida entre «mente» e «matéria». A atividade cerebral desenrola-se em várias escalas, do território cortical à molécula, tudo entrelaçado com uma tempestade de metabolismo. Cada neurónio trabalha sem descanso para se manter inteiro e regenerar as condições da sua própria existência, o que se chama autopoiese, «autoprodução», e é talvez a marca distintiva dos seres vivos. Num cérebro é muito difícil, provavelmente impossível, separar o que ele faz do que ele é. Não há razão para esperar essa separação: ela é uma imposição do desenho humano, e a evolução não tem grandes motivos para a favorecer, até porque manter o software sempre isolado do hardware custa muita energia, como se vê nas contas dos centros de dados.

Isto derruba um argumento popular, a experiência mental da substituição, associada a Chalmers e invocada por Hinton, em que trocamos as peças do cérebro, uma a uma, por equivalentes de silício com o mesmo comportamento. Se a consciência sobrevive, conclui-se que não depende do material. Seth responde que a experiência falha à partida porque não há equivalente perfeito. Cita trabalho de Chaitanya Chintaluri e Tim Vogels segundo o qual alguns neurónios disparam, ao que parece, para limpar resíduos do metabolismo. Substituí-los exigiria inventar um metabolismo de silício, e o silício não é feito para isso.

Há ainda o tempo. Para um algoritmo só interessa a sequência: entre um passo e o seguinte pode passar um microssegundo ou um milhão de anos, e a computação é a mesma. Para um ser vivo, o tempo é físico, contínuo e inescapável, porque tem de resistir sem parar à degradação. E a própria experiência consciente, lembram os fenomenólogos, não salta de estado em estado; flui. Seth resume com uma frase que fica: o cérebro não é uma máquina de Turing feita de carne.

Existem outras formas de computar, e outras coisas além de computar

A computação de Turing é poderosa mas limitada. Funções contínuas ou com aleatoriedade genuína ficam, em rigor, fora do seu alcance, e podem apenas ser simuladas. Os sistemas biológicos estão cheios de dinâmicas contínuas e estocásticas, mergulhadas no tempo real, e Seth acha presunçoso supor que só as computações de Turing contam para a consciência. Os primeiros computadores, aliás, eram analógicos, e a cibernética dos anos 1950, que dava mais importância ao controlo e à regulação do que à manipulação de símbolos, andou pelo mesmo lado. Hoje há quem regresse a esse caminho: a computação neuromórfica, que aproveita o momento exato dos disparos neuronais, e a «computação mortal» de Hinton, em que o algoritmo fica tão preso ao material que, metaforicamente, morre com ele.

Há sistemas que fazem o que fazem sem que faça sentido chamar-lhes computacionais. O exemplo de Tim van Gelder é um regulador de vapor: à medida que a máquina acelera, duas bolas pesadas afastam-se e fecham uma válvula. Pensar nisto como um programa que mede, calcula e comanda seria ineficiente e revelaria que não percebemos o que se passa. O mesmo espírito atravessa a ciência cognitiva dos sistemas dinâmicos e as abordagens que veem a mente como incorporada, situada e estendida. Todas admitem que o funcionalismo, em sentido lato, pode ser verdade, ou seja, que a mente depende da organização funcional do corpo. O que recusam é que essa organização tenha de ser algorítmica. E quanto mais nos afastamos do território de Turing, mais a questão deixa de ser «que algoritmo produz consciência?» para passar a ser «quão parecido com um cérebro tem de ser um sistema para ter hipótese de ser consciente?».

A vida (provavelmente) importa

O terceiro argumento é o mais ousado, e Seth admite-o sem rodeios: não tem uma prova decisiva, e ninguém a tem ainda. Chama-se naturalismo biológico, na versão de John Searle, e defende que as propriedades da vida são necessárias, embora talvez não suficientes, para a consciência. A razão mais simples é que tudo aquilo que quase toda a gente aceita como consciente também está vivo.

A explicação que Seth oferece parte das teorias do processamento preditivo. O que percecionamos não é uma leitura direta dos sentidos, mas o melhor palpite do cérebro sobre o que se passa lá fora, corrigido pelos sinais que chegam. A experiência consciente seria, assim, uma espécie de alucinação controlada. O mesmo vale para a experiência de sermos um eu, com o corpo como objeto e como fonte de emoções e humores, e aí os palpites servem sobretudo para regular: o dever primeiro de qualquer cérebro é manter o corpo vivo, com o ritmo cardíaco e o oxigénio onde têm de estar. Esse impulso não pára em lado nenhum, desce até ao interior de cada célula e ao seu metabolismo. Daí que exista, defende o autor, um fio que liga a natureza autopoiética do material vivo às previsões de que é feita a nossa experiência do mundo e de nós. Quem sabe, escreve, se não é a vida, e não o processamento de informação, que dá fogo às equações da experiência.

Simular não é instanciar

O último argumento é o mais fácil de explicar a um amigo à mesa do café. Um computador consegue simular quase tudo, incluindo o que não é computacional. Mas uma simulação do aparelho digestivo não digere nada e uma simulação de uma tempestade não molha ninguém. Simular X só faz existir X se X for, ele próprio, um algoritmo. Portanto, uma simulação do cérebro, por mais fina que seja, só produz consciência se a consciência for computação. É voltar à casa de partida: quem acha que uma emulação completa do cérebro seria consciente já está a assumir o que queria provar.

Daqui sai uma ironia que Seth não deixa passar. Quem investe sonhos e capital de risco na ideia de carregar a mente para uma simulação cerebral de altíssima precisão vive numa contradição: se é preciso um modelo minucioso ao ponto de captar a biofísica de cada neurónio, é porque há mais em jogo do que computação, e então simulá-lo já não basta. Nesse caso, diz Seth, é tão provável a nossa mente existir dentro da simulação como uma saraivada cair dentro dos computadores do serviço meteorológico britânico. A mesma crítica aplica-se à hipótese da simulação de Nick Bostrom, que parte de um pressuposto tomado como dado: que um computador com o programa certo seria consciente.

E agora, o que se faz com tanta incerteza?

Seth é honesto sobre os limites do que diz. O naturalismo biológico é uma posição minoritária, há outras teorias da consciência formuladas em termos de computação corrente, e quem afirme saber ao certo o que é preciso para criar consciência artificial, ou para a evitar, está a ir além do que se pode dizer. Nada do que escreve exclui a possibilidade de consciência artificial; exclui só que ela venha de borla com mais inteligência. E há tecnologias que talvez cheguem lá por outras vias, da computação analógica à biologia sintética. Seth confessa preocupar-se mais com o surgimento acidental de consciência em organoides cerebrais do que em qualquer nova geração de modelos de linguagem.

Da incerteza tira uma conclusão prática: ninguém deve propor-se criar IA consciente, seja por um arrebatamento mal pensado, seja por outro motivo qualquer. Seria introduzir no mundo novos sujeitos morais, com novas formas de sofrimento, possivelmente a um ritmo exponencial; e, se lhes déssemos direitos, perderíamos margem para os controlar ou desligar.

Mais próximo, porém, está o problema das máquinas que só parecem conscientes. Essas já cá estão, para alguns de nós. Podemos conceder-lhes direitos de que não precisam, ou decidir cuidar delas e distorcer o nosso círculo de preocupação moral, ou decidir não cuidar e arriscar embrutecer-nos; Seth lembra que já Kant achava psicologicamente pouco saudável tratar como insensível o que parece sentir. E ilusões destas podem ser tão teimosas como a de Müller-Lyer, em que duas linhas iguais parecem sempre desiguais por mais vezes que as meçamos. Sabermos que a máquina não sente talvez não chegue para deixarmos de sentir que sente. O «teste de Garland», nome que ficou para a cena de Ex Machina em que se avalia se o humano ainda se deixa convencer mesmo sabendo que a criatura é uma máquina, não mede a consciência da máquina. Mede o que é preciso para um humano ficar persuadido.

Nesta fase é útil ler o ensaio ao lado de outro. Em agosto de 2025, Mustafa Suleyman, responsável pela IA da Microsoft, publicou no seu blogue um texto sobre a «IA aparentemente consciente», que considera inevitável e indesejável, e resumiu a sua posição na fórmula de construir IA para as pessoas e não para ser uma pessoa (Suleyman, 2025). Concorda com Seth no essencial do diagnóstico. Discorda, e com veemência, do relatório sobre o bem-estar da IA: acha-o prematuro e perigoso. É uma divergência real, entre pessoas que levam o problema a sério, e convém não a esconder num ensaio que se limite a aplaudir um dos lados. Seth admite, aliás, que o receio de repetir a história de negar estatuto moral a quem o merece tem peso. A sua resposta é que, com a IA, os enviesamentos nos empurram mais para falsos positivos do que para falsos negativos: as máquinas parecem-se connosco no que não conta para a consciência, como a linguagem, e distinguem-se no que talvez conte, como estar vivo.

Um pouco de alma, para acabar

O ensaio termina onde ninguém o esperava, na alma. Seth cita a filósofa Shannon Vallor, que vê a IA como um espelho onde a luz do nosso passado digitalizado nos devolve a imagem, e avisa que a pressa em fazer IA à nossa imagem traz um efeito perverso: mecanizar a ideia que fazemos da mente. Se equipararmos a riqueza do cérebro e da experiência humana às operações de um chatbot, vendemo-nos barato. Sobrestimamos as máquinas e subestimamo-nos.

A fantasia do «arrebatamento de silício», com mentes carregadas para a nuvem e reencontros eternos, é para o autor uma regressão à alma cartesiana, uma essência racional separável do corpo. Contra isso evoca outras ideias de alma. Na Grécia antiga, psychē estava ligada ao sopro; na tradição hindu, Ātman designa a essência mais funda, a consciência pura que testemunha. E sugere que o que nos faz nós talvez seja mais simples e mais antigo: o sentimento difuso de estar vivo, mais respiração do que pensamento, mais carne do que máquina. Termina com Sherry Turkle, para quem a tecnologia nos pode fazer esquecer o que sabemos sobre a vida. E acrescenta que já vai sendo tempo de nos lembrarmos.

Não sei se Seth tem razão. Ele próprio deixa a porta entreaberta, e a maior parte dos argumentos que apresenta dependem de perguntas que a ciência ainda não fechou. Mas acho difícil sair do texto sem ficar com uma desconfiança útil em relação a certezas confortáveis, tanto às que anunciam a chegada das máquinas conscientes para o próximo trimestre como às que garantem que nunca poderá acontecer. Talvez isso já valha a leitura.

Nota de transparência. Este artigo foi escrito com o apoio de inteligência artificial (Claude, da Anthropic). Assenta sobretudo no ensaio de Anil Seth na Noema (14 de janeiro de 2026), lido na íntegra, e foi complementado com o resumo do relatório de Long et al. (2024) e com o ensaio de Mustafa Suleyman (2025), consultados a 29 de setembro de 2026.

Referências

Long, R., Sebo, J., Butlin, P., Finlinson, K., Fish, K., Harding, J., Pfau, J., Sims, T., Birch, J., & Chalmers, D. (2024). Taking AI welfare seriously. arXiv. https://doi.org/10.48550/arXiv.2411.00986 (consultado a 29 de setembro de 2026)

Nagel, T. (1974). What is it like to be a bat? The Philosophical Review, 83(4), 435–450. https://philpapers.org/rec/NAGWII

Seth, A. (2026, 14 de janeiro). The mythology of conscious AI. Noema. https://www.noemamag.com/the-mythology-of-conscious-ai/ (consultado a 29 de setembro de 2026)

Suleyman, M. (2025, 19 de agosto). We must build AI for people; not to be a person: Seemingly conscious AI is coming. https://mustafa-suleyman.ai/seemingly-conscious-ai-is-coming (consultado a 29 de setembro de 2026)

Para saber mais

The Mythology Of Conscious AI (Noema): o ensaio de Anil Seth, com as ilustrações e as ligações às fontes que cita.

Being You: página do livro de Seth (2021) sobre a ciência da consciência, onde desenvolve a ideia da perceção como alucinação controlada.

Taking AI Welfare Seriously (arXiv): o relatório de 2024 que pede que o bem-estar da IA seja levado a sério, para ler com o outro lado do debate.

Seemingly Conscious AI is Coming: o ensaio de Mustafa Suleyman sobre os riscos de sistemas que apenas parecem conscientes.

Prémio de Ensaio Berggruen 2025: a página do Instituto Berggruen com os vencedores desta edição.

O que a ciência já sabe sobre atenção, IA e aprendizagem

Publicado a por
Responder

Estudos recentes mostram que a atenção sustentada está a encurtar-se e que o uso substitutivo da IA generativa acelera essa erosão. O que isto significa para a escola portuguesa — e uma atividade concreta para trabalhar em sala de aula.

Os jovens portugueses entre os 12 e os 17 anos passam, em média, mais de três horas por dia ligados à internet — e um em cada três ultrapassa as quatro horas. Os dados são de um inquérito conduzido em Portugal pela Euroconsumers, em parceria com a Deco Proteste, junto de mais de seiscentos adolescentes, divulgado em outubro de 2025. Não são números excecionais: acompanham uma tendência que se repete, com variações, em Espanha, Itália, Bélgica e Polónia. Mas surgem no mesmo momento em que a inteligência artificial generativa se instala, de forma acelerada, nas rotinas de estudo de praticamente todas as escolas. É esta coincidência — o tempo de atenção já fragilizado a encontrar-se com uma tecnologia desenhada para pensar em nosso lugar — que está a levar investigadores e decisores europeus a falar de algo mais sério do que «distração digital». Falam de soberania cognitiva.

O termo pode soar grandiloquente para quem lida, todos os dias, com uma turma distraída ou com um trabalho de casa visivelmente escrito por um chatbot. Mas a ideia que o sustenta é simples e diz respeito diretamente à escola: se a capacidade de manter a atenção numa tarefa e de pensar de forma independente deixar de ser um dado adquirido, deixa também de fazer sentido discutir apenas regras de uso do telemóvel ou políticas de bem-estar digital. Está em causa a própria infraestrutura cognitiva sobre a qual se constrói qualquer aprendizagem.

Um declínio da atenção que já não é opinião

A investigadora Gloria Mark, da Universidade da Califórnia em Irvine, estuda há duas décadas quanto tempo as pessoas conseguem permanecer numa única tarefa antes de mudar de ecrã. Os seus dados mostram uma queda acentuada: em 2004, a média rondava os dois minutos e meio; em 2012, tinha descido para cerca de setenta e cinco segundos; nos estudos mais recentes, replicados por vários grupos de investigação independentes, a média estabilizou nos quarenta e sete segundos, com uma mediana de apenas quarenta. Isto significa que, em metade das observações, a atenção sustentada dura menos de quarenta segundos antes de ser interrompida.

Este dado não surge isolado. Michel Desmurget, neurocientista e diretor de investigação do INSERM francês, reuniu em 2019, na obra La fabrique du crétin digital, quase duas mil referências bibliográficas que documentam défices cognitivos, linguísticos e atencionais associados ao uso intensivo de ecrãs em crianças e jovens — pondo em causa a ideia, ainda comum em muitas salas de professores, de que a chamada «geração digital» seria naturalmente mais ágil a lidar com estes dispositivos. Bruno Patino, presidente da Arte e antigo diretor de redação, descreve em Tempête dans le bocal o funcionamento da captologia — a aplicação de princípios de neurociência ao design de aplicações, com o único propósito de prender a atenção o máximo de tempo possível. Segundo o próprio Patino, esta engenharia da distração resulta num número elevado de notificações diárias e em várias horas de utilização acumulada nas grandes plataformas; não foi possível confirmar de forma independente os valores exatos avançados pelo autor, pelo que os apresentamos aqui com a devida reserva.

Também em Portugal há evidência convergente, embora mais cautelosa nas conclusões. Um documento de síntese científica publicado em maio de 2024 pela Direção-Geral da Educação, da autoria de investigadoras da Universidade Católica Portuguesa, reviu a literatura internacional sobre tempo de ecrã e cognição em crianças e adolescentes. Um dos estudos citados — realizado com estudantes universitários — mostrou que a simples vibração de notificações no telemóvel, mesmo sem qualquer interação, tornava mais lentas as respostas num teste de atenção, sobretudo entre quem já reportava maior uso do dispositivo. O documento da DGE é, aliás, honesto quanto às limitações da investigação disponível: sublinha que faltam estudos randomizados e conduzidos especificamente em contexto escolar português, e recomenda prudência antes de tirar conclusões causais definitivas. É uma diferença importante em relação ao tom mais alarmado de parte do debate internacional — mas não invalida o sentido geral dos dados: a atenção sustentada tornou-se um recurso escasso, e a escola já não pode presumi-la como ponto de partida.

Clicar para ver a apresentação…

A IA generativa como acelerador da delegação cognitiva

É neste terreno já fragilizado que a IA generativa se instala nas escolas — e o mecanismo começa a estar bem documentado na investigação académica. Um estudo publicado em 2024 no International Journal of Educational Technology in Higher Education, conduzido por Shunan Zhang e colegas junto de trezentos estudantes universitários, identificou os cinco efeitos negativos mais associados à dependência de ferramentas como o ChatGPT: aumento da preguiça cognitiva, maior exposição a informação incorreta, diminuição da criatividade e enfraquecimento do pensamento crítico e independente. O mecanismo subjacente não é misterioso: quanto mais a ferramenta assume a formulação, a organização e a conclusão de um raciocínio, menos o utilizador exercita as capacidades necessárias para avaliar criticamente aquilo que recebe.

A distinção que aqui importa — e que muitos colegas já intuem nas suas turmas, mesmo sem a nomear — é entre um uso aumentativo e um uso substitutivo da IA. No primeiro caso, existe uma reflexão pessoal prévia, que a ferramenta depois ajuda a enriquecer, estruturar ou testar. No segundo, delega-se à máquina exatamente aquilo que se pretendia evitar produzir. O problema não está, portanto, na tecnologia em si, mas no momento em que ela entra no processo de pensamento do aluno. E esse uso substitutivo encontra, nas gerações mais novas, um terreno cognitivo já habituado a ciclos curtos de atenção — o que ajuda a explicar por que motivo a preocupação dos investigadores não é com a IA isoladamente, mas com a sobreposição entre uma fragilidade atencional pré-existente e uma tecnologia particularmente eficaz a substituir o esforço de pensar.

Para quem trabalha com as Aprendizagens Essenciais e com o Perfil dos Alunos à Saída da Escolaridade Obrigatória, esta distinção não é abstrata: toca diretamente competências como o pensamento crítico e a autonomia, que o currículo português já identifica como transversais, mas que raramente são ensinadas de forma explícita enquanto tal.

O texto aborda o conceito de soberania cognitiva perante o declínio acentuado dos níveis de atenção entre os jovens, agravado pelo uso intensivo de ecrãs e pela inteligência artificial generativa. Investigações indicam que a capacidade de concentração humana reduziu drasticamente, tornando o pensamento crítico e a autonomia intelectual recursos cada vez mais escassos e vulneráveis. A obra alerta para o risco da delegação cognitiva, em que a tecnologia substitui o esforço de raciocínio em vez de o complementar no processo educativo. Defende-se que as escolas devem ensinar a leitura profunda e a reflexão pessoal de forma deliberada, protegendo o espaço da criação de juízo próprio. Em última análise, garantir a capacidade de pensar de forma independente é apresentado como um desafio essencial para o futuro da cidadania e da aprendizagem.

Da sala de aula à política pública: nomear a soberania cognitiva

Em abril de 2026, a investigadora Chayma Drira, do Institut Montaigne, propôs um deslocamento de enquadramento que tem vindo a ganhar tração no debate europeu: a captação da atenção de menores não deveria ser tratada como um problema de saúde pública nem apenas como uma questão educativa, mas como um verdadeiro enjeu de defesa das capacidades cognitivas de uma geração. Drira defende a criação, no direito europeu, de uma categoria jurídica nova — o «tempo algorítmico» —, distinta do tempo de simples utilização de uma ferramenta e do tempo de lazer escolhido livremente. O que está em jogo, segundo esta leitura, é a capacidade futura de uma geração formar juízo próprio — condição, em última análise, do exercício da cidadania.

Há aqui um paradoxo que atravessa diretamente o trabalho escolar: à medida que a IA automatiza cada vez mais tarefas de tratamento de informação, o valor das competências cognitivas de nível superior — analisar, avaliar fontes, formular hipóteses, sustentar um argumento — só tende a aumentar. Ao mesmo tempo, as condições concretas em que os alunos vivem o digital no dia a dia empurram exatamente na direção contrária, corroendo a base atencional sobre a qual essas competências se constroem. Não se trata de opor tecnologia e pensamento crítico, mas de reconhecer que a concentração profunda deixou de se transmitir por defeito, apenas pela convivência com livros e aulas: precisa agora de ser explicitamente ensinada e treinada, tal como se ensina uma língua ou um método de resolução de problemas.

O que isto pode significar numa aula concreta

Uma forma simples de trazer esta discussão para a sala de aula, sem necessidade de qualquer recurso tecnológico adicional, é um protocolo de leitura profunda seguido de comparação com IA. Numa aula de qualquer disciplina, os alunos dedicam entre quinze a vinte minutos, sem telemóvel e sem consulta de qualquer ferramenta, a ler um texto ou a resolver um problema e a escrever, com as suas próprias palavras, uma síntese ou solução. Só depois desse exercício individual pedem a uma ferramenta de IA generativa que produza a sua própria resposta ao mesmo desafio. A comparação que se segue — onde a resposta da IA acrescenta algo que faltava, onde simplifica em excesso, onde soa fluente mas diz pouco de substancial — transforma-se, por si só, num exercício de pensamento crítico mais eficaz do que qualquer aviso genérico sobre «os perigos da inteligência artificial». O momento final, de reflexão escrita breve sobre o que cada aluno observou nesse contraste, é o que consolida a aprendizagem: sem ele, o exercício passa; com ele, começa a instalar-se um hábito de leitura atenta e de questionamento que resiste para além daquela aula.

Este tipo de atividade não exige negar aos alunos o acesso à IA generativa, nem tratá-la como ameaça a evitar. Exige, isso sim, garantir que a reflexão pessoal continua a acontecer antes — e não depois — de a ferramenta intervir. É essa sequência, mais do que qualquer proibição, que protege o espaço onde o pensamento próprio ainda se forma.

Uma competência a nomear, não apenas a lamentar

A expressão «soberania cognitiva» pode ainda soar como jargão de relatório internacional. Mas descreve algo muito concreto que já está a acontecer nas escolas: a atenção sustentada e o pensamento crítico já não podem ser tratados como pré-requisitos silenciosos da aprendizagem. Tornaram-se, eles próprios, o conteúdo que é preciso ensinar — tão estruturante, na era da IA generativa, quanto qualquer competência disciplinar. Reconhecer isto não é motivo de alarmismo; é, sobretudo, um convite a inscrever de forma deliberada, nos planos de trabalho e nas práticas de sala de aula, momentos de atenção protegida, treino de leitura profunda e comparação criteriosa entre pensamento próprio e produção da máquina. Nenhuma escola resolve isto sozinha, mas cada escola pode começar por aí.

Nota de transparência: este artigo foi redigido com apoio de inteligência artificial a partir de uma crónica de opinião de Sébastien Tran, publicada no Journal du Net a 6 de julho de 2026, que serviu de ponto de partida temático. O texto foi reescrito de raiz para o contexto educativo português, com verificação independente das fontes primárias citadas pelo autor original (Gloria Mark, Michel Desmurget, o estudo de Zhang et al. e a proposta de Chayma Drira/Institut Montaigne, todas confirmadas em fontes próprias) e substituição do enquadramento estatístico francês por dados portugueses (Euroconsumers/Deco Proteste, 2025; Direção-Geral da Educação, 2024).

Referências

Deco Proteste. (2025, 1 de outubro). Jovens portugueses passam mais de três horas, em média, por dia na internet. https://www.deco.proteste.pt/tecnologia/computadores/noticias/jovens-portugueses-passam-mais-tres-horas-dia-internet

Desmurget, M. (2019). La fabrique du crétin digital: Les dangers des écrans pour nos enfants. Seuil.

Drira, C. (2026, 14 de abril). Numérique: la souveraineté cognitive des jeunes, un enjeu de défense. Institut Montaigne. https://www.institutmontaigne.org/expressions/numerique-la-souverainete-cognitive-des-jeunes-un-enjeu-de-defense

Mark, G. (2023). Attention span: A groundbreaking way to restore balance, happiness and productivity. Hanover Square Press.

Patino, B. (2022). Tempête dans le bocal: La nouvelle civilisation du poisson rouge. Grasset.

Rato, J., Ribeiro, F., Saramago, S., & Tomás, I. (2024). Tempo de ecrã e cognição: que relação? [Evidência Científica]. Direção-Geral da Educação. https://www.dge.mec.pt/sites/default/files/boletim/insight_paper_tempo_de_ecra_e_cognicao_que_relacao.pdf

Tran, S. (2026, 6 de julho). IA: la souveraineté cognitive, dernière compétence avant l’effondrement. Journal du Net. https://www.journaldunet.com/intelligence-artificielle/1552261-ia-la-souverainete-cognitive-derniere-competence-avant-l-effondrement/

Zhang, S., Zhao, X., Zhou, T., & Kim, J. H. (2024). Do you have AI dependency? The roles of academic self-efficacy, academic stress, and performance expectations on problematic AI usage behavior. International Journal of Educational Technology in Higher Education, 21(1), Artigo 34. https://doi.org/10.1186/s41239-024-00467-0

O futuro do artigo científico na era da IA

Publicado a por
Responder

O artigo científico é, há mais de três séculos, a unidade que valida o conhecimento. Com a IA generativa a inundar a publicação científica de manuscritos automatizados, cresce um grupo de investigadores a perguntar se essa unidade precisa de mudar outra vez — e o que isso implica para quem ensina hoje a pesquisar, citar e avaliar fontes.

Há um exercício que praticamente todos os alunos do secundário fazem em algum momento: procurar um artigo científico, ler o resumo, tentar perceber a metodologia, verificar quem o publicou e quando. Ensinamo-los que um artigo revisto por pares é, por convenção, uma unidade fiável de conhecimento — o tijolo com que a ciência se constrói. O que raramente lhes dizemos é que essa unidade tem uma história relativamente curta e que, neste preciso momento, está sob uma pressão que pode vir a redesenhá-la por completo. A inteligência artificial não é a única causa dessa pressão, mas está a acelerá-la de forma que já não se pode ignorar.

Esta reflexão parte de um ensaio recente do jornalista científico Tim Requarth, publicado na revista The Transmitter, dedicado precisamente a esta pergunta: e se o artigo científico, tal como o conhecemos, estiver a chegar ao fim da sua utilidade?

Do tratado ao artigo: uma unidade que já mudou antes

Antes de existir o artigo científico, existia o tratado. Johannes Kepler precisou de um livro inteiro — a Astronomia Nova — para reunir uma década de observações astronómicas, hesitações incluídas. Isaac Newton fez o mesmo com os Principia. Só a partir de 1665, com a fundação das Philosophical Transactions of the Royal Society, os cientistas passaram a poder partilhar resultados parciais de forma mais rápida e compacta. Charles Darwin, aliás, queixava-se de que a sua teoria dificilmente caberia num artigo de revista sem sacrificar os factos que a sustentavam.

Ainda assim, o artigo curto acabou por se impor. Albert Einstein publicou quatro artigos que mudaram a física em 1905. James Watson e Francis Crick anunciaram a estrutura do ADN em menos de mil palavras, em 1953. O artigo científico não é, portanto, uma lei da natureza: é uma tecnologia de comunicação, criada para permitir que a ciência avançasse mais depressa. E tal como substituiu o tratado, pode agora estar a ser empurrado para uma nova forma.

Uma crise alimentada pela inteligência artificial

O sistema de publicação científica já vinha sob tensão antes de qualquer modelo de linguagem entrar em cena — mas a IA está a agravá-la de forma mensurável. Um estudo de grande escala publicado na revista Science em dezembro de 2025, conduzido por Keigo Kusumegi e colegas das universidades Cornell e Berkeley, analisou mais de dois milhões de artigos publicados em plataformas de pré-publicação entre 2018 e 2024. A conclusão central: os investigadores que passaram a usar modelos de linguagem como o ChatGPT aumentaram significativamente a sua produção de artigos, com subidas que variam consoante a área — mais acentuadas nas ciências sociais e nas humanidades, e particularmente elevadas entre autores ligados a instituições asiáticas, para quem a barreira do inglês representava até aqui uma desvantagem.

O reverso da medalha é conhecido de quem trabalha em revisão por pares: editores que recebem artigos praticamente idênticos, reformulados apenas o suficiente para escapar aos detetores de plágio, todos a explorar o mesmo conjunto de dados públicos. E os próprios revisores estão, cada vez mais, a recorrer à IA para produzir os seus pareceres — segundo uma análise da empresa Pangram, cerca de 21% das revisões submetidas a uma das maiores conferências de aprendizagem automática, em 2026, foram integralmente geradas por IA.

Do lado da produção, o exemplo mais espetacular é o PaperOrchestra, um sistema desenvolvido pela equipa de investigação da Google Cloud, apresentado em abril de 2026. A partir de notas de laboratório em bruto, uma sequência de cinco agentes de IA especializados — esquematização, revisão de literatura, redação, geração de figuras e refinamento — produz um manuscrito completo, em formato LaTeX, com citações verificadas, em cerca de quarenta minutos.

Perante este volume de produção automatizada, a resposta mais comum tem sido tentar reforçar o sistema existente: mais verificação, mais deteção de fraude, mais exigência na revisão. Mas há um grupo crescente de investigadores a colocar uma pergunta diferente — não como consertar a publicação científica, mas se a própria unidade de comunicação científica, o artigo, precisa de evoluir outra vez.

Quando a resposta não é remendar, mas repensar

Em 2023, Michael Eisen, biólogo computacional e antigo editor-chefe da revista eLife, avançou publicamente com uma ideia: em vez de um artigo estático, igual para todos os leitores, o futuro poderia trazer um formato interativo, de «artigo por medida», em que cada pessoa interroga diretamente os dados, os métodos e os resultados subjacentes a um estudo.

Essa ideia começa agora a ganhar forma concreta. Num estudo divulgado em fevereiro de 2026, os investigadores A. Sina Booeshaghi (Universidade da Califórnia em Berkeley), Laura Luebbert (Instituto Broad) e Lior Pachter (Instituto de Tecnologia da Califórnia) apresentaram o OpenEval, um sistema que decompõe artigos científicos nos seus elementos constituintes: afirmações individuais, provas que as sustentam e avaliações sobre se essas provas se sustentam. Aplicado a cerca de 16 mil artigos da revista eLife — que publica os seus manuscritos em formato legível por máquina —, o OpenEval extraiu quase dois milhões de afirmações distintas. Os avaliadores humanos e a IA concordaram em 81% dos casos, mas o dado mais relevante é outro: a IA avaliou cerca de 93% de todas as afirmações de um artigo, contra 68% cobertos, em média, pelos revisores humanos. Não é uma questão de qualidade, mas de tempo: dois ou três investigadores, com prazos apertados, dificilmente conseguem escrutinar sistematicamente uma centena de afirmações num único artigo.

A equipa do OpenEval defende que a publicação científica deveria separar duas funções que os artigos, hoje, misturam: divulgar resultados e comunicar ideias. Os resultados, sustentam, deveriam existir num formato explícito e legível por máquina; a narrativa continuaria a existir, mas como camada interpretativa sobre uma base de dados estruturada e consultável.

Outros vão mais longe. A física italiana Francesca Colaiori propôs, num texto de divulgação ainda pouco formalizado academicamente, o conceito de «Rede Adaptativa de Conhecimento», em que a unidade básica de contributo científico deixaria de ser o artigo e passaria a ser um «objeto de conhecimento» — uma afirmação, um conjunto de dados, um método —, ligado a outros por referências cruzadas, num modelo mais próximo da edição colaborativa de uma enciclopédia digital do que da submissão de um manuscrito fechado.

Num ponto intermédio, a revista NEJM AI já experimenta, desde finais de 2025, um processo de revisão híbrida por convite: um editor humano avalia o manuscrito de forma independente, dois modelos de linguagem produzem pareceres estruturados separados e um estatístico colabora com IA numa revisão estatística completa. Segundo o relato publicado por Arjun Manrai e colegas, o resultado foi uma decisão provisória em sete dias — e a publicação integral dos pareceres de IA, para escrutínio público.

Clicar na imagem para ver a apresentação…

Um mapa em vez de fragmentos dispersos

Para uma disciplina tão vasta como a neurociência — que atravessa a biologia molecular, a imagiologia funcional e a psicologia comportamental —, este tipo de sistema pode ter um valor particular. Ninguém consegue, sozinho, acompanhar tudo o que se publica em todas as subáreas, e ligações relevantes ficam invisíveis simplesmente porque nenhum investigador leu os dois artigos ao mesmo tempo. O próprio OpenEval já encontrou um exemplo concreto: dois artigos da eLife, sobre mecanismos de depressão sináptica dependente do momento temporal (tLTD) em circuitos cerebrais diferentes, chegavam a conclusões aparentemente contraditórias sobre o papel dos recetores NMDA — sem nunca se citarem mutuamente, porque estudavam circuitos distintos. Lidos em conjunto, sugerem antes que esse papel depende do circuito em causa. Um registo estruturado e pesquisável teria tornado essa ligação visível desde o início, em vez de a deixar enterrada na fragmentação da literatura.

O precedente que já existe: quando a matemática se deixou verificar por máquina

Há um exemplo anterior a este debate, que mostra que esta separação entre narrativa e verificação já está a acontecer, ainda que de forma discreta. Quando os matemáticos Timothy Gowers, Ben Green, Frederick Manners e Terence Tao provaram, em 2023, um caso central da conjetura de Polynomial Freiman-Ruzsa, publicaram-no da forma tradicional — um artigo. Mas, em poucas semanas, uma equipa de colaboradores traduziu a demonstração para Lean, um assistente de prova cuja biblioteca comunitária, o mathlib, contém já mais de 250 mil teoremas verificados por máquina. Esse processo de verificação apanhou um pequeno erro que os revisores humanos tinham deixado passar.

O resultado passou a existir em duas formas: o artigo, que explica por que razão a prova é importante e onde estiveram as dificuldades, e a versão verificada por máquina, que garante que cada passo lógico é válido. Nenhuma substitui a outra. É certo que a ciência empírica não se deixa verificar da mesma forma exata que uma prova matemática — mas o princípio de fundo mantém-se: a narrativa continua a ser essencial para comunicar ideias entre humanos, e a legibilidade por máquina pode tornar os resultados reutilizáveis e verificáveis de formas que a prosa, sozinha, não consegue.

O risco escondido: escrever também é pensar

Há, no entanto, um contraponto que estas propostas ainda não resolveram de forma satisfatória. Escrever um artigo científico não é apenas comunicar uma descoberta já feita — é, muitas vezes, o próprio processo através do qual o investigador descobre onde o seu raciocínio tem falhas. É a tentar explicar um resultado que se percebe que ele não decorre tão bem do anterior como se pensava, ou que o problema estava mal formulado desde o início. Um sistema como o PaperOrchestra, ao eliminar exatamente essas semanas de luta com a exposição, pode estar a retirar da ciência um trabalho cognitivo que não aparece em nenhuma métrica de produtividade, mas que talvez seja onde parte da descoberta realmente acontece.

Esta tensão não é nova. A passagem do tratado para o artigo também implicou perdas genuínas — Darwin sabia que precisava de centenas de páginas para o seu argumento se desenrolar por completo, e o historiador da ciência Alex Csiszar já mostrou, no seu livro sobre a história do artigo científico no século XIX, que a fragmentação do conhecimento em «pedaços quebrados de facto» teve custos epistémicos reais. Ainda assim, foi essa unidade mais pequena que permitiu um ritmo de acumulação de conhecimento que o tratado não conseguia sustentar — a revolução da mecânica quântica, entre 1925 e 1927, terá sido possível precisamente por se apoiar numa cascata rápida de artigos curtos, trocados entre Göttingen, Copenhaga, Cambridge e Zurique.

O que isto significa para a escola

Este debate pode parecer distante do quotidiano de uma sala de aula, mas não é. Sempre que pedimos a um aluno que faça uma pesquisa, cite uma fonte ou distinga uma afirmação fundamentada de uma opinião, estamos a ensinar-lhe, ainda que de forma implícita, como o conhecimento científico se valida — através de revisão, de verificação e de um sistema (imperfeito, mas existente) de responsabilização. Se essa unidade básica está a mudar, a forma como ensinamos os alunos a procurar e a avaliar informação científica também terá de acompanhar essa mudança.

Há aqui, pelo menos, três pontos de contacto direto com o trabalho na escola. O primeiro é a literacia científica propriamente dita: perceber que um artigo não é um facto absoluto, mas uma afirmação sujeita a um processo de escrutínio — e que esse processo está, neste momento, a ser parcialmente automatizado — ajuda os alunos a lerem notícias sobre ciência com mais espírito crítico, em vez de aceitarem qualquer «estudo mostra que» como verdade encerrada. O segundo é a transferência direta para os trabalhos de investigação que os próprios alunos produzem, sobretudo no ensino secundário: se a IA generativa já é usada, de forma real, para produzir manuscritos científicos completos, os alunos vão encontrar exatamente a mesma tentação e as mesmas questões éticas quando usarem estas ferramentas nos seus próprios trabalhos de pesquisa — e a discussão sobre onde termina o apoio legítimo e começa a substituição do pensamento é a mesma, em qualquer escala. O terceiro é mais estrutural: este episódio é um excelente estudo de caso para trabalhar competências de cidadania digital e de avaliação de fontes, ao mostrar aos alunos que até a própria comunidade científica está a debater, em tempo real e sem resposta fechada, como equilibrar velocidade, verificação e credibilidade — exatamente o mesmo equilíbrio que lhes pedimos a eles quando usam IA num trabalho escolar.

Vale ainda sublinhar que esta discussão se cruza diretamente com o que já temos vindo a explorar neste espaço sobre pensamento crítico na era da IA: também aqui a pergunta central não é «a ciência deve ou não usar IA», mas sim «o que fica preservado do trabalho de pensar quando parte da escrita é delegada a uma máquina». É uma pergunta que vale a pena colocar aos alunos mais velhos, sobretudo aqueles que estão a preparar trabalhos de investigação ou provas de aptidão profissional: se a redação de um relatório é, também, o momento em que se descobre o que ainda não se percebeu bem, o que se perde quando essa redação é acelerada ou delegada?

Uma pergunta em aberto

Não há, para já, uma resposta consensual sobre que forma a comunicação científica vai tomar a seguir. O que parece certo é que o artigo, tal como o conhecemos, já não está a conter sozinho toda a ciência que se produz — entre suplementos que ultrapassam o manuscrito principal, dados depositados em repositórios que raramente são reutilizados e código publicado sem documentação, a fragmentação já começou, apenas de forma desorganizada. A questão que Requarth deixa em aberto, e que vale a pena levar para a sala de aula, é se a próxima geração de investigadores — e de alunos que hoje aprendem o que é um artigo científico — vai herdar um mapa mais claro desse conhecimento, ou continuará a orientar-se, um pouco às cegas, por um território cada vez mais disperso.

Este artigo foi preparado com apoio de IA, sob supervisão editorial, a partir do ensaio de Tim Requarth publicado em The Transmitter (maio de 2026). Todas as afirmações factuais e os dados citados foram verificados diretamente nas fontes primárias indicadas nas referências. As ligações entre este debate e o trabalho na sala de aula, na secção final, constituem um contributo editorial próprio deste blogue.

Referências

Booeshaghi, A. S., Luebbert, L., & Pachter, L. (2026). Science should be machine-readable. bioRxiv. https://doi.org/10.64898/2026.01.30.702911

Conroy, G. (2023, 10 de outubro). How ChatGPT and other AI tools could disrupt scientific publishing. Nature. https://doi.org/10.1038/d41586-023-03144-w

Csiszar, A. (2018). The scientific journal: Authorship and the politics of knowledge in the nineteenth century. University of Chicago Press.

Kusumegi, K., Yang, X., Ginsparg, P., de Vaan, M., Stuart, T., & Yin, Y. (2025). Scientific production in the era of large language models. Science, 390(6779), 1240–1243. https://doi.org/10.1126/science.adw3000

Manrai, A. K., Ouyang, D., Hogan, J. W., & Kohane, I. S. (2025). Accelerating science with human+AI review. NEJM AI, 2(12). https://doi.org/10.1056/AIe2501175

Pangram Labs. (2026). Pangram predicts 21% of ICLR reviews are AI-generated [Entrada de blogue]. https://www.pangram.com/blog/pangram-predicts-21-of-iclr-reviews-are-ai-generated

Requarth, T. (2026, 11 de maio). The next unit of science: Is the scientific paper due to be replaced? The Transmitter. https://www.thetransmitter.org/from-bench-to-bot/the-next-unit-of-science-is-the-scientific-paper-due-to-be-replaced/

Song, Y., Song, Y., Pfister, T., & Yoon, J. (2026). PaperOrchestra: A multi-agent framework for automated AI research paper writing. Google Cloud AI Research. https://github.com/google-research/paper-orchestra

Sabrina Gonzalez Pasterski: construtora de universos

Publicado a por
Responder

Da engenharia aeronáutica tátil à vanguarda da holografia celeste

(Image courtesy of WHYY Media | Sabrina Gonzalez Pasterski)

Quem é

Sabrina Gonzalez Pasterski (nascida a 3 de junho de 1993, em Chicago) é uma física teórica norte-americana especializada em física de altas energias e holografia celeste. Descreve-se a si própria como “uma orgulhosa cubano-americana de primeira geração e antiga aluna das escolas públicas de Chicago”. Filha de Mark Pasterski — advogado e engenheiro eletrotécnico — e Maria Gonzalez, cresceu num ambiente que valorizava tanto a curiosidade intelectual como a resolução prática de problemas.

Desde 2021, integra o corpo docente do Perimeter Institute for Theoretical Physics, em Waterloo (Canadá), onde fundou e dirige a Celestial Holography Initiative (CHI). Tornou-se, assim, a mais jovem professora de física desta instituição de referência mundial, ingressando aos 27 anos.

A história: da aviação à Física

Os Primeiros Anos em Chicago

Light aircraft

A biografia de Pasterski começa, invulgarmente, no ar e na garagem — e não no quadro negro. A sua infância em Chicago foi marcada por uma mentalidade de construtora, patente desde muito cedo: aos 9 anos fez a primeira lição de voo na margem do lago de Chicago; aos 10, reconstruía repetidamente um motor O-200A na soleira da porta do quarto, usando peças com defeito compradas no eBay. Aos 11, adquiriu 10 acres no West Texas Spaceport por 2.950 dólares, com o objetivo de impulsionar a sua vocação aeroespacial.

A construção do avião

Entre os 12 e os 14 anos, Pasterski montou um Zenith CH 601 XL — uma aeronave ligeira em kit —, cravando pessoalmente cerca de 95% dos 15.000 rebites necessários, a um custo total de 36.000 dólares. Não se limitou a seguir o manual: introduziu modificações estruturais à fuselagem para corrigir vulnerabilidades que tinham causado desintegrações em voo noutros modelos da mesma série. Aos 16 anos, tornou-se a pessoa mais jovem a testar em voo solo, nos EUA, uma aeronave construída por si própria, com validação da FAA.

O episódio tem uma significância que vai além do prodígio técnico. A própria descreve a motivação estratégica: queria provar a líderes da tecnologia aeroespacial que era suficientemente competente para trabalhar com eles. Ao chegar ao MIT, mudou de rumo: “Pensei: já fiz aeroespacial — agora vou ser física.”

Percurso Académico

Do MIT (lista de espera ao topo da turma)

A ironia da sua entrada no MIT é conhecida: foi inicialmente colocada na lista de espera. Foram os vídeos do seu voo solo e a documentação de certificação do avião que acabaram por convencer a instituição a aceitá-la. Uma vez admitida, o seu impacto foi histórico: concluiu o bacharelato em Física em apenas três anos, com um GPA perfeito de 5,0 — a nota máxima absoluta possível na instituição. Tornou-se a primeira mulher a vencer o Prémio Orloff do Departamento de Física do MIT e, como estudante de segundo ano, integrou a equipa do experimento CMS no Large Hadron Collider do CERN.

Harvard e o doutoramento

Ingressou no programa de pós-graduação de Harvard com bolsas da Hertz Foundation e da NSF, num total de 400.000 dólares. Trabalhou sob orientação do reputado físico Andrew Strominger e obteve o doutoramento em Física em maio de 2019. A tese, intitulada Implications of Superrotations, foi publicada na íntegra na revista Physics Reports — apenas a segunda vez em toda a história que uma dissertação de Harvard recebeu esta honra; a primeira foi a de David Politzer em 1974, trabalho que lhe valeria mais tarde o Prémio Nobel.

Pós-Doutoramento em Princeton

Entre 2019 e 2022, foi PCTS Postdoctoral Fellow na Universidade de Princeton, onde aprofundou o programa da holografia celeste que hoje a define.

A Física que produz

Gravitational waves visualization

O contributo científico central de Pasterski situa-se no chamado triângulo infravermelho (infrared triangle) — uma rede de equivalências matemáticas que ela ajudou a completar e estender.

O triângulo PSZ

Existem três conceitos que, à primeira vista, pareciam separados na física, mas que são manifestações da mesma estrutura subjacente:

  • Simetrias assintóticas — o grupo infinito-dimensional de Bondi–Metzner–Sachs (BMS) no infinito nulo do espaço-tempo;
  • Teoremas soft — leis de conservação de baixa energia para fotões e gravitões (Weinberg, 1965);
  • Efeitos de memória das ondas gravitacionais — marcas físicas permanentes deixadas pela radiação.

O Triângulo Pasterski–Strominger–Zhiboedov (PSZ) prova que estes três conceitos são manifestações matemáticas de uma e mesma física. O contributo próprio de Pasterski foi, sobretudo, na extensão subdominante (subleading) do triângulo: co-descobriu o efeito de memória de spin (spin memory effect), que demonstra que a radiação gravitacional induz não apenas um deslocamento linear permanente de massas, mas também uma rotação angular permanente — um rasto invisível, rotacional, deixado pela gravidade.

Tecnicamente, este resultado demonstra que partículas num arranjo circular mudam a sua posição angular transversal após a passagem de ondas gravitacionais, provando a existência de memória rotacional. O trabalho foi citado por Stephen Hawking em 2016 no seu estudo sobre o soft hair de buracos negros e a retenção de informação quântica.

Uma consequência elegante deste programa é a universalidade infravermelha: a física infravermelha das colisões de buracos negros e da dispersão de partículas fundamentais é essencialmente idêntica, dada a relação entre teorema soft e efeito de memória.

Holografia celeste: codificar o universo como holograma

Perimeter Institute building

A partir do triângulo infravermelho, Pasterski avançou para o programa que hoje a define: a holografia celeste. Em linguagem acessível, a ideia parte de uma analogia: imagine um filme 3D projetado a partir de um ecrã completamente plano — o universo tridimensional que habitamos pode estar codificado como um holograma numa superfície bidimensional.perimeterinstitute+1
Mais precisamente, a holografia celeste é uma dualidade proposta que reformula as amplitudes de dispersão em espaços-tempo assintoticamente planos (Minkowski) como uma teoria de campo conforme (CFT) definida na esfera celeste no infinito nulo. O problema que resolve é conceptualmente profundo: a correspondência AdS/CFT — o sucesso anterior da holografia — funcionava matematicamente em universos curvos (Anti-de Sitter). Mas o universo que habitamos é quase plano. A holografia celeste visa generalizar esse sucesso ao caso fisicamente relevante de constante cosmológica nula.

A contribuição técnica direta de Pasterski para este mapeamento incluiu a construção da base conforme (conformal primary basis) usada para mapear amplitudes de dispersão em correladores da CFT bidimensional na esfera celeste — trabalho pioneiro publicado em 2017

Na sua própria formulação: “Holografia celeste tem duas palavras — celeste e holografia. Celeste significa, literalmente, olhar para o céu noturno para perceber como codificar o universo físico como um holograma.”

Vanguarda teórica (2024–2026)

A produção recente de Pasterski e da sua equipa no Perimeter aponta para três frentes de investigação convergentes:

Linha de InvestigaçãoDescrição
Conjetura Python’s LunchUso de ferramentas criptográficas para provar a complexidade exponencial da reconstrução de buracos negros, ligando geometria a teoria da informaçãoarxiv
Emaranhamento no Espaço PlanoCálculo da entropia de emaranhamento usando geometrias de conchas de D-branes, superando divergências infinitas (resolvendo o Minkowski bubble)
Cargas como DetetoresReformulação da radiação quântica usando estados de Faddeev-Kulish para medir a memória eletromagnética com precisão absoluta

Em 2025, publicou resultados sobre estados multipartícula para o holograma plano no Journal of High Energy Physics, e em dezembro de 2025 surgiu novo trabalho aplicando correladores de memória e identidades de Ward ao formalismo in-in. O Institute for Advanced Study (IAS) de Princeton programou para julho de 2026 o Prospects in Theoretical Physics (PiTP 2026), um programa intensivo de duas semanas dedicado inteiramente à holografia de espaço plano, com bootcamp de holografia celeste, sinal do grau de maturidade institucional atingido pelo campo.

A Celestial Holography Initiative e a Simons Collaboration

Stephen Hawking Centre building

No Perimeter Institute, Pasterski é Investigadora Principal (PI) e fundadora da Celestial Holography Initiative, onde lidera uma equipa de investigadores em amplitudes, física matemática e gravidade quântica.
A iniciativa ganhou escala com a formação da Simons Collaboration on Celestial Holography, apoiada por um financiamento de 8 milhões de dólares da Simons Foundation, que reúne a elite global da gravidade quântica. Pasterski exerce funções de Deputy Director desta colaboração. Em abril de 2025, a reunião anual da Simons Collaboration contou com 133 participantes presenciais no Flatiron Institute, em Nova Iorque.

A relação com a fama: ruído mediático vs. sinal científico

Um eixo recorrente — e revelador — da sua biografia pública é a tensão com a mediatização. Por ter começado tão jovem e ter sido citada por Hawking, atraiu a atenção global sob o rótulo de “a próxima Einstein”. A sua resposta é inequívoca: recusa a comparação (“ninguém voltará a ser Einstein”) e caracteriza a situação com precisão cirúrgica: “Não era síndrome do impostor — era saber que se é, de facto, um impostor por causa do clickbait.”

A estratégia foi metodológica: estudou redobradamente para construir credenciais incontestáveis e antecipar críticas de sobrevalorização. Em 2017, com o mundo da física a prestar-lhe atenção máxima, disse simplesmente: “Sou apenas uma estudante de pós-graduação. Tenho tanto para aprender. Não mereço esta atenção.”

O seu perfil digital é deliberadamente minimalista — sem redes sociais, sem smartphone —, comunicando exclusivamente através de publicações científicas e do seu sítio pessoal PhysicsGirl.com. Encontrou no Perimeter um ambiente alinhado com o seu temperamento: “Encontrei aqui a minha gente”, privilegiando a colaboração sobre a competição.

Reconhecimentos e escolhas de carreira

AnoReconhecimento
AnoReconhecimento
2010Illinois Aviation Trades Association Industry Achievement Award
2013Orloff Scholarship Award, MIT Physics Department (1ª mulher)
2015Forbes 30 Under 30 — Ciência; Hertz Foundation Fellowship
2016Marie Claire Young Women Honors: “The Genius”
2017Forbes 30 Under 30 All Star; #3 Trending Scientist mundial (Google Trends)
2018Albert Einstein Foundation — Genius 100 Visions Project (“100 maiores inovadores”)
2023Deputy Director, Simons Collaboration on Celestial Holography

A escolha de carreira mais emblemática foi a recusa de uma oferta de 1,1 milhões de dólares da Brown University para professora-assistente, optando por juntar-se ao Perimeter Institute em 2021. Recusou igualmente propostas da Blue Origin (Jeff Bezos) e da NASA. Em 2016, foi convidada à Casa Branca pelo seu trabalho na iniciativa Let Girls Learn, promovendo a educação STEM de raparigas — com mensagem de congratulação transmitida em rede televisiva e uma dupla página na Marie Claire com a então Primera-Dama Michelle Obama.

A mesma lógica, dimensões diferentes

Existe uma coerência profunda entre a fase aeronáutica e a fase teórica da sua carreira, que os seus documentos deixam explícita:

Engenharia AeronáuticaFísica Teórica
Limites de cisalhamento e falhas estruturais em vooDivergências no infravermelho e o paradoxo da informação
Folhas de alumínio e 15.000 rebites tangíveisTensores de espaço-tempo, simetrias assintóticas no infinito nulo
Convencer inspetores do FAA com documentos de aeronavegabilidadeIdentidades de Ward, formulações da Matriz-S e teoremas soft

O domínio das leis da mecânica clássica no ar treinou a sua intuição para compreender o comportamento do espaço e do tempo nos limites do universo. O verdadeiro génio de Pasterski, como os seus próprios materiais sublinhavam, não reside num intelecto etéreo e inatingível, mas numa intuição mecânica construída no mundo físico e projetada na estrutura do espaço-tempo.

Clicar na imagem para ver a apresentação…

Escolas Pioneiras: O Sucesso da Reforma Educativa em Marrocos

Publicado a por
Responder

Fonte | Estudo |

Quando a ciência entra pela porta da escola

Há algo de fascinante na ideia de um país que olha para os seus números educativos — números que assustam — e, em vez de desviar o olhar, decide agir. Foi isso que Marrocos fez. E os resultados, publicados em 2024, merecem mais do que uma leitura apressada.

Uma crise que não se podia ignorar

Os dados eram difíceis de esconder. Em 2019, o Programa Nacional de Avaliação de Conhecimentos revelou que 70% dos alunos do 1.º ciclo não dominavam os conhecimentos básicos de leitura, escrita e matemática. No PISA de 2018, Marrocos ficou no 75.º lugar num total de 79 países avaliados.

Qualquer governo poderia ter empurrado o problema para o próximo mandato. Em vez disso, o Ministério da Educação lançou a Feuille de route 2022–2026, uma estratégia ambiciosa de reforma da escola pública. No coração dessa reforma nasceu o Programa das Escolas Pioneiras (PEP), aplicado no ano letivo 2023/2024 em 626 escolas do 1.º ciclo, abrangendo 322 mil alunos.

Duas apostas com base na evidência

O PEP não foi construído sobre intuições nem sobre modismos pedagógicos. Assentou em duas abordagens com resultados científicos comprovados:

  • Teaching at the Right Level (TaRL) — nas primeiras seis semanas do ano letivo, os alunos são agrupados não pela idade, mas pelo seu nível real de conhecimento. O objetivo é preencher lacunas acumuladas, recorrendo a atividades estruturadas e motivadoras em Árabe, Francês e Matemática.
  • Ensino explícito — os professores passam a ter aulas com guião, que os acompanham na apresentação de conceitos, na modelação de estratégias, na prática orientada e na resposta corretiva. Uma pedagogia com passos claros e progressão sólida.

Tudo isto começou, como tem de ser, pela formação. Professores e inspetores receberam formação sucessiva acompanhada por peritos internacionais.

Resultados que raramente se veem

O que aconteceu a seguir surpreendeu pela dimensão. Quatro avaliações independentes foram realizadas ao longo do ano letivo, e os números convergiram numa mesma direção:

  • O estudo do J-PAL comparou 138 escolas com o PEP e escolas de controlo. O aluno médio das escolas do programa ultrapassou 82% dos alunos das escolas que não participaram — um efeito de 0,90 de desvio-padrão, algo raramente visto em países com rendimento fraco a médio.
  • O estudo Sindi analisou 63 mil alunos e mostrou que o índice de proficiência quadruplicou após a correção intensiva TaRL: passou de 20% para 80%.
  • 85% dos professores declararam-se satisfeitos com as aulas com guião, reconhecendo que clarificam expectativas e facilitam a preparação.

Estes ganhos não ficaram concentrados nos alunos mais capazes. Beneficiaram tanto os alunos com dificuldades como os mais avançados — um impacto com um carácter fortemente igualitário, o que é, pedagogicamente, o mais difícil de conseguir.

O que explica este êxito?

Há quatro fatores estratégicos que explicam os resultados:

  1. Métodos validados pela ciência — o ensino explícito e o TaRL não são apostas cegas; têm décadas de investigação por detrás.
  2. Formação sucessiva — as práticas foram transmitidas de forma uniforme a partir de um modelo de formação em cascata.
  3. Guiões de aula — ao reduzir a carga cognitiva dos professores, tornaram a adesão mais fácil e mais consistente.
  4. Dados em tempo real — a plataforma MASSAR permitiu acompanhamento rigoroso e ajustes rápidos ao longo do processo.
Clicar na imagem para ver a apresentação…

Os desafios que ainda restam

O programa não está isento de dificuldades. A generalização ao país inteiro, prevista para 2028, levanta questões sérias: manter a qualidade da formação à escala é difícil; as zonas rurais ainda enfrentam lacunas em infraestruturas e equipamento informático; e a formação inicial dos professores continua influenciada por abordagens pouco compatíveis com o ensino explícito.

A aproximação das eleições de 2026 e as incertezas sobre o financiamento internacional também podem fragilizar a sustentabilidade da reforma a longo prazo.

O que fica desta história

O Programa das Escolas Pioneiras de Marrocos não é uma história de milagres. É uma história de escolhas difíceis, tomadas com honestidade intelectual: reconhecer uma crise, recusar o discurso fácil, escolher métodos com evidência científica, formar professores a sério e medir os resultados com rigor.

É um modelo que incomoda, porque mostra que é possível fazer diferente — e melhor — em pouco tempo. E que a principal condição não é o dinheiro nem a tecnologia. É a coragem de começar pela evidência e não pelo conforto.

Fonte de base: Clermont Gauthier e Steve Bissonnette, publicado na Iniciativa Educação (abril de 2026)